دوره تسلط بر مدل‌سازی آماری مدرن: از رگرسیون خطی تا مدل‌های تعمیم‌یافته (GLM) همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

2,490,000 تومان
تسلط بر مدل‌سازی آماری مدرن: از رگرسیون خطی تا مدل‌های تعمیم‌یافته (GLM) تسلط بر مدل‌سازی آماری مدرن: از رگرسیون خطی تا مدل‌های تعمیم‌یافته (GLM) معرفی دوره: گامی فراتر در دنیای داده‌ها آیا آماده‌اید ...
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 622,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تسلط بر مدل‌سازی آماری مدرن: از رگرسیون خطی تا مدل‌های تعمیم‌یافته (GLM)

موضوع کلی: آمار و علم داده

موضوع میانی: مدل‌سازی پیشرفته آماری

📋 سرفصل‌های دوره

  • 1. رگرسیون خطی ساده: مفاهیم و کاربردها
  • 2. رگرسیون خطی چندگانه: متغیرها، برازش و تفسیر
  • 3. تشخیص و اصلاح مشکلات رگرسیون: ناهمسانی واریانس، هم‌خطی
  • 4. متغیرهای طبقه‌ای در رگرسیون: متغیرهای مجازی و اثرات متقابل
  • 5. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته (GLM)
  • 6. مروری بر توزیع‌های نمایی: گاما، نرمال، پواسون، دوجمله‌ای
  • 7. تابع پیوند (Link Function): اهمیت و انتخاب مناسب
  • 8. تابع واریانس و نقش آن در GLM
  • 9. روش‌های برازش مدل GLM: Maximum Likelihood Estimation (MLE)
  • 10. استنباط آماری در GLM: آزمون فرضیه‌ها و بازه‌های اطمینان
  • 11. آزمون نسبت درست‌نمایی (Likelihood Ratio Test)
  • 12. آزمون والد (Wald Test)
  • 13. آزمون امتیاز (Score Test)
  • 14. بررسی برازش مدل GLM: باقیمانده‌ها و معیارهای ارزیابی
  • 15. انتخاب مدل در GLM: AIC, BIC و سایر معیارها
  • 16. رگرسیون لجستیک: مدل‌سازی متغیرهای پاسخ دودویی
  • 17. تفسیر ضرایب در رگرسیون لجستیک: Odds Ratio و احتمال
  • 18. رگرسیون لجستیک چندجمله‌ای (Multinomial Logistic Regression)
  • 19. رگرسیون پواسون: مدل‌سازی داده‌های شمارشی
  • 20. مدل‌های افزایشی پواسون (Poisson Regression with Offset)
  • 21. بررسی اضافه پراکندگی (Overdispersion) در رگرسیون پواسون
  • 22. رگرسیون نیمه-پواسون (Quasi-Poisson Regression)
  • 23. مدل‌های نرخ (Rate Models) و کاربردهای آن‌ها
  • 24. رگرسیون گاما: مدل‌سازی داده‌های پیوسته مثبت
  • 25. رگرسیون گاما و ارتباط آن با مدل‌های خطی
  • 26. تحلیل باقیمانده‌ها در رگرسیون گاما
  • 27. رگرسیون نمایی: کاربردها و تفسیر
  • 28. رگرسیون وایبول (Weibull Regression): مدل‌سازی بقا
  • 29. رگرسیون معکوس گاوسی (Inverse Gaussian Regression)
  • 30. انتخاب توزیع و تابع پیوند مناسب در GLM
  • 31. مدل‌های خطی تعمیم‌یافته مختلط (GLMM): مقدمه
  • 32. اثرات تصادفی (Random Effects) و اثرات ثابت (Fixed Effects)
  • 33. برازش مدل‌های GLMM: روش‌های برآورد پارامترها
  • 34. انتخاب مدل در GLMM: مقایسه مدل‌ها با اثرات تصادفی مختلف
  • 35. تفسیر ضرایب در GLMM: اثرات سطح گروهی و فردی
  • 36. GLMM در داده‌های طولی (Longitudinal Data): مدل‌سازی تغییرات در طول زمان
  • 37. GLMM برای داده‌های خوشه‌ای (Clustered Data): اثرات ناهمگنی بین خوشه‌ها
  • 38. مدل‌های حاشیه‌ای تعمیم‌یافته (GEE): جایگزینی برای GLMM
  • 39. همبستگی در GEE: ساختارهای همبستگی مختلف
  • 40. برازش مدل‌های GEE: روش‌های برآورد پارامترها
  • 41. تفسیر ضرایب در GEE: اثرات جمعیت‌محور
  • 42. GEE در داده‌های طولی و خوشه‌ای: کاربردها و محدودیت‌ها
  • 43. رگرسیون کوانتایل (Quantile Regression): تخمین کوانتایل‌های شرطی
  • 44. مزایای رگرسیون کوانتایل نسبت به رگرسیون میانگین
  • 45. تفسیر ضرایب در رگرسیون کوانتایل: اثرات بر کوانتایل‌های مختلف
  • 46. کاربرد رگرسیون کوانتایل در شناسایی اثرات ناهمگن
  • 47. رگرسیون غیرپارامتری: مقدمه و روش‌های پایه
  • 48. هموارسازی هسته‌ای (Kernel Smoothing)
  • 49. اسپلاین‌ها (Splines): هموارسازی با توابع چندجمله‌ای
  • 50. مدل‌های افزودنی تعمیم‌یافته (GAM): ترکیب اثرات خطی و غیرخطی
  • 51. انتخاب هموارگر (Smoother Selection) در GAM
  • 52. تفسیر اثرات غیرخطی در GAM: توابع جزئی و اثرات دوطرفه
  • 53. GAM برای داده‌های طولی و خوشه‌ای
  • 54. رگرسیون منظم‌شده (Regularized Regression): Ridge, Lasso, Elastic Net
  • 55. جلوگیری از بیش‌برازش (Overfitting) با رگرسیون منظم‌شده
  • 56. انتخاب پارامتر تنظیم (Tuning Parameter) در رگرسیون منظم‌شده
  • 57. رگرسیون منظم‌شده برای مدل‌های GLM
  • 58. رگرسیون برداری پشتیبان (Support Vector Regression): SVR
  • 59. هسته (Kernel) در SVR: انتخاب و تاثیر
  • 60. انتخاب پارامترها در SVR
  • 61. رگرسیون درختی (Regression Trees): CART
  • 62. الگوریتم‌های ساخت درخت رگرسیون
  • 63. متوقف کردن رشد درخت و هرس کردن (Pruning)
  • 64. جنگل تصادفی (Random Forest): ترکیب درختان رگرسیون
  • 65. اهمیت متغیرها (Variable Importance) در جنگل تصادفی
  • 66. تقویت گرادیانی (Gradient Boosting): XGBoost, LightGBM, CatBoost
  • 67. تنظیم پارامترها در الگوریتم‌های تقویت گرادیانی
  • 68. مقایسه روش‌های رگرسیون درختی و جنگل تصادفی
  • 69. شبکه‌های عصبی مصنوعی (Artificial Neural Networks): مقدمه
  • 70. معماری شبکه‌های عصبی: لایه‌ها، نورون‌ها و توابع فعال‌سازی
  • 71. روش‌های آموزش شبکه‌های عصبی: پس‌انتشار (Backpropagation)
  • 72. جلوگیری از بیش‌برازش در شبکه‌های عصبی: تنظیم وزن و رهاسازی (Dropout)
  • 73. شبکه‌های عصبی عمیق (Deep Neural Networks): معماری‌ها و کاربردها
  • 74. رگرسیون با استفاده از شبکه‌های عصبی
  • 75. مقدمه‌ای بر مدل‌های بیزی (Bayesian Models)
  • 76. استنباط بیزی (Bayesian Inference) و قضیه بیز
  • 77. توزیع پیشین (Prior Distribution) و توزیع پسین (Posterior Distribution)
  • 78. روش‌های نمونه‌برداری Markov Chain Monte Carlo (MCMC)
  • 79. مدل‌های خطی بیزی (Bayesian Linear Models)
  • 80. مدل‌های GLM بیزی (Bayesian GLM)
  • 81. انتخاب مدل در چارچوب بیزی: Bayes Factor و معیار DIC
  • 82. تحلیل حساسیت (Sensitivity Analysis) در مدل‌های بیزی
  • 83. مدل‌های بیزی سلسله‌مراتبی (Bayesian Hierarchical Models)
  • 84. مدل‌سازی داده‌های از دست رفته (Missing Data): روش‌های مختلف
  • 85. حذف لیستی (Listwise Deletion) و Imputation
  • 86. Imputation چندگانه (Multiple Imputation): روش‌ها و کاربردها
  • 87. مدل‌سازی داده‌های سانسور شده (Censored Data): تحلیل بقا
  • 88. مدل کاکس (Cox Proportional Hazards Model)
  • 89. مدل‌های رگرسیونی برای داده‌های سانسور شده
  • 90. ارزیابی عملکرد مدل‌های پیش‌بینی (Prediction Models)
  • 91. معیارهای ارزیابی طبقه‌بندی (Classification): دقت، حساسیت، ویژگی
  • 92. معیارهای ارزیابی رگرسیون: MSE, RMSE, R-squared
  • 93. منحنی ROC و AUC: ارزیابی مدل‌های طبقه‌بندی
  • 94. تحلیل رویداد-زمان (Event History Analysis): مقدمه
  • 95. مدل‌های AFT (Accelerated Failure Time Models)
  • 96. مدل‌سازی رقابت خطرات (Competing Risks)
  • 97. مدل‌های پویای خطی تعمیم‌یافته (DGLM): مدل‌سازی سری‌های زمانی
  • 98. فیلتر کالمن (Kalman Filter) و کاربردهای آن در DGLM
  • 99. مدل‌های سری زمانی GLM
  • 100. مدل‌سازی داده‌های مکانی (Spatial Data): مقدمه
✦ مجموعه ویژه یادگیری

یک دوره، چند مسیر برای یادگیری بهتر

کتاب‌های آموزشی، محتوای صوتی و تصویری و دسترسی به سامانه آنلاین فلش‌کارت؛ مجموعه‌ای برای مطالعه، تمرین و تثبیت آموخته‌ها.

📚 محتوای متنی 🎧 صوت و ویدیو 🧠 مرور هوشمند

محتویات بسته آموزشی

مجموعه‌ای از منابع برای شیوه‌های مختلف یادگیری
📚
کتاب نکته‌های خودمانی
نسخه PDF با زبان ساده، روان و کاربردی برای یادگیری راحت‌تر مفاهیم.
PDF · بیان ساده
📘
کتاب نکته‌های رسمی فارسی
نسخه PDF با نگارش استاندارد، بیان دقیق و رویکرد علمی.
PDF · نگارش رسمی
❓
کتاب پرسش و پاسخ تشریحی
نسخه PDF برای مرور مفاهیم و آشنایی با پاسخ‌های توضیحی.
PDF · یادگیری مفهومی
✅
کتاب پرسش‌های چهارگزینه‌ای
نسخه PDF برای تمرین، سنجش آموخته‌ها و آمادگی بیشتر.
PDF · تمرین و سنجش
🎧
پادکست‌های صوتی فارسی
محتوای صوتی برای یادگیری و مرور مطالب در زمان‌های مختلف.
محتوای صوتی
🎬
ویدیوهای آموزشی فارسی
محتوای ویدیویی برای تکمیل تجربه یادگیری و درک بهتر مطالب.
محتوای ویدیویی
💻
اکانت سامانه آنلاین فلش‌کارت
دسترسی به نرم‌افزار آنلاین فلش‌کارت ویژه این دوره برای تمرین و مرور مطالب.
دسترسی آنلاین
🎓
گواهی پایان دوره
امکان دریافت گواهی پس از تکمیل فعالیت‌های لازم در سامانه و طی مراحل تأیید.
پس از تکمیل شرایط
💾
بسته فیزیکی روی فلش مموری
این محصول به‌صورت فلش مموری حاوی فایل‌های آموزشی، محتوای صوتی و ویدیویی ارائه می‌شود.
تحویل فیزیکی
نکته: استفاده از سامانه آنلاین فلش‌کارت به اتصال اینترنت نیاز دارد؛ محتوای قابل استفاده آفلاین به نوع فایل‌های موجود در بسته بستگی دارد.
SMART LEARNING

🌐 سامانه آنلاین فلش‌کارت؛ مرور هدفمند و هوشمند

اکانت ارائه‌شده، دسترسی به نسخه تحت وب سامانه فلش‌کارت ویژه این دوره را فراهم می‌کند. این سامانه از الگوریتم زمان‌بندی مرور SM-2 استفاده می‌کند و بر اساس ارزیابی شما از میزان یادآوری هر کارت، زمان مرورهای بعدی را تنظیم می‌کند.

به این ترتیب، کارت‌های دشوارتر می‌توانند زودتر مرور شوند و برای تثبیت مطالب در حافظه، برنامه مرور متناسب‌تری داشته باشید.

🧠
مرور زمان‌بندی‌شده
📈
پیگیری پیشرفت
🔄
تمرین و تکرار هدفمند
📚 حجم آموزشی دوره
هزاران
فلش‌کارت آموزشی، به‌صورت تقریبی
۶۰ ساعت
مدت‌زمان معادل برآوردشده آموزشی

مدت‌زمان معادل آموزشی بر اساس برآورد این دوره در گواهی درج می‌شود.

🏅

گواهی دوزبانه با استعلام آنلاین

گواهی فارسی و انگلیسی · لینک اختصاصی · QR Code

پس از تکمیل فعالیت‌های لازم و تأیید درخواست، گواهی پایان دوره به زبان فارسی و انگلیسی صادر می‌شود. گواهی دارای لینک اختصاصی و QR Code برای بررسی و استعلام آنلاین است.

⚖️ توضیح مهم درباره گواهی پایان دوره

این گواهی صرفاً به‌عنوان گواهی اتمام دوره آموزشی صادر می‌شود و معادل مدرک دانشگاهی، آکادمیک یا مدرک رسمی مورد تأیید نهادهای دولتی نیست. صدور آن منوط به تکمیل شرایط دوره و تأیید نهایی درخواست است.

تجربه‌ای کامل‌تر برای مطالعه، تمرین و یادگیری
express24.ir
تگ‌ها: Data Science Generalized Linear Models Generalized Linear Models (GLM) GLM Regression Analysis Statistical Modeling آمار آمار پیشرفته آموزش GLM آموزش آمار دوره آموزشی GLM رگرسیون خطی علم داده مدل‌سازی آماری مدل‌های خطی تعمیم‌یافته

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.